Optimasi Bobot Weighted Moving Average Dengan Particle Swarm Optimization Dalam Peramalan Tingkat Produksi Karet

Abstrak

Karet merupakan suatu komoditi andalan dalam negeri, pada tahun 2014 Indonesia menduduki urutan kedua sebagai negara produsen karet alam terbesar didunia. Namun produksi karet di Indonesia mengalami pasang surut yang tidak menentu sehingga perlu untuk di prediksi agar mendapatkan keuntungan bagi petani kecil dan negara. Weighted Moving Average (WMA) adalah salah satu metode untuk memprediksi data time series. Namun parameter pada WMA perlu untuk di optimalkan agar mendapatkan hasil bobot yang optimal pada WMA tersebut dan mendapatkan hasil yang akurat. Algoritma Particle Swarm Optimization di implementasikan untuk mengetahui nilai bobot pada metode Weighted Moving Average yang lebih optimal. PSO-WMA dan WMA dilakukan pada tiga pembobotan yakni dari pembobotan 3 4 dan 5 pada data produksi karet. Sehingga hasil dari penelitian ini adalah WMA dengan 3 pembobotan mendapatkan akurasi 81%,pembobotan 4 80,5% dan pembobotan 5 80,3%. Dan untuk PSO-WMA didapatkan akurasi pada pembobotan 3 sebesar 81,4%, pembobotan 4 80,9% dan untuk pembobotan 5 akurasi sebesar 81,6%. Hasil uji dari penelitian ini adanya pengaruh nilai bobot pada WMA dalam meningkatkan hasil akurasi.